Programa

1. Dados geoespaciais
2. Elaboração de mapas

Minard: A Campanha Russa de Napoleão

Link em alta resolução

Carregando os pacotes para a aula

Shapefile

O IBGE divulga bases cartográficas do país em diferentes níveis. Chamados de shapefiles, estes arquivos serão utilizados para produção de mapas no R.

Malhas digitais

# importando dados
shapefile_pe <- readOGR(here("./data/pe_municipios/"))

Nosso primeiro mapa

plot(shapefile_pe)

Vamos consultar o objeto com o shapefile

shapefile_pe@data

Convertendo o shapefile para dataframe

shapefile_df <- fortify(shapefile_pe)

dim(shapefile_df)
names(shapefile_df)
head(shapefile_df)

shapefile_data <- fortify(shapefile_pe@data)
shapefile_data$id <- row.names(shapefile_data)

shapefile_df <- shapefile_df %>% full_join(shapefile_data, by="id") %>% as_tibble()

Mapas com o ggplot2

shapefile_df %>% ggplot() +
  geom_polygon(aes(x = long, y = lat, group = group), 
               colour = "black", fill = 'white', size = .2) + 
  coord_map()

Exercício:

Produza o mapa do Estado de Pernambuco sem Fernando de Noronha (CD_GEOCMU == 2605459).

Exercício: resposta

PNUD: agregando valor

O Atlas do Desenvolvimento Humano no Brasil traz o Índice de Desenvolvimento Humano Municipal (IDHM) e outros 200 indicadores de demografia, educação, renda, trabalho, habitação e vulnerabilidade para os municípios brasileiros.

# importando dados
pnud <- read_excel(here("data", "atlas2013_dadosbrutos_pt.xlsx"), sheet = 2)

pnud <- pnud %>% mutate(Codmun7 = as.character(Codmun7))

Exercício

Produza um mapa de calor que apresente visualmente o IDHM dos municípios do Estado de Pernambuco (26) no ano de 2010 sem considerar Fernando de Noronha (2605459).

Exercício: resposta

World Map

world <- map_data("world") %>% as_tibble()

Exercício

Produza uma mapa mundi no qual os países estejam prenchidos com a cor "#2D3E50" e suas fronteiras com "#FEBF57".

Exercício: resposta

Mapas com o ggmap e o Google Maps

Recentemente o Google Maps passou a exigir de todos os desenvolvedores uma API específica para uso gratuito do serviço.

• Para cadastrar um projeto e fazer obter uma API, utilize este link.

• Para informações sobre esta mudança, veja:

• README ggmap.

• GitHub do pacote ggmap.

• GitHub do pacote ggmap - Issue 51.

• Questão 1 StackOverflow.

• Questão 2 StackOverflow.

Mapas com o ggplot2 e o Google Maps

Mapas com o ggplot2 e o Google Maps

Mapas com o ggplot2 e o Google Maps

Mapas com o ggplot2 e o Google Maps

Mapas com o ggplot2 e o Google Maps

Mapas com o ggplot2 e o Google Maps

Mapas com o ggplot2 e o Google Maps

Minard: A Campanha Russa de Napoleão

Minard: A Campanha Russa de Napoleão

Link em alta resolução

“O melhor gráfico estatístico da história”

O gráfico representa, de maneira concisa, clara e elegante, 6 informações diferentes: número de soldados, distância, temperatura, localização precisa de rios e cidades, direção de ataque e de recuo, e localização relativa às datas.

Mas será que conseguimos reproduzi-lo no R? (código original e dados)

# carregar os dados
troops <- read_table2(here("data", "troops.txt"))
cities <- read_table2(here("data", "cities.txt"))
temps <- read_table2(here("data", "temps.txt"))

Primeiros passos - mapeando as tropas

troops %>% ggplot() +
  geom_path(aes(x = long, y = lat, group = group))

Direção e sobreviventes

troops %>% ggplot() +
  geom_path(aes(x = long, y = lat, group = group, color = direction, size = survivors))

Ajustes estéticos

troops %>% ggplot() +
  geom_path(aes(x = long, y = lat, group = group, color = direction, size = survivors),
            lineend = "round") + # linhas arredondadas para melhor efeito
  scale_size(range = c(0.5, 15)) # desagrega o número de categorias na escala

Reproduzindo as cores do gráfico original

troops %>% ggplot() +
  geom_path(aes(x = long, y = lat, group = group, color = direction, size = survivors),
            lineend = "round") + # linhas arredondadas para melhor efeito
  scale_size(range = c(0.5, 15)) + # desagrega o número de categorias na escala
  scale_colour_manual(values = c("#e6ccac", "#252523")) + # cores originais
  labs(x = NULL, y = NULL) + # tira os rótulos dos eixos
  guides(color = FALSE, size = FALSE) # tira os tiques dos eixos

Adicionando as cidades (gráfico no próximo slide)

# Agora estamos chamando os dados dentro de cada geom. Por quê?
ggplot() +
  geom_path(data = troops, aes(x = long, y = lat, group = group, color = direction, size = survivors), lineend = "round") +
  geom_point(data = cities, aes(x = long, y = lat), color = "#DC5B44") +  # loc. das cidades
  geom_text_repel(data = cities, aes(x = long, y = lat, label = city), # nomes das cidades
                  color = "red", size = 3, fontface = "bold") + 
  scale_size(range = c(0.5, 15)) + 
  scale_colour_manual(values = c("#e6ccac", "#252523")) +
  labs(x = NULL, y = NULL) + 
  guides(color = FALSE, size = FALSE) +
  theme_void() # tira todos os elementos do gráfico

Finalizando a parte de cima!

O gráfico de temperaturas

temps %>% ggplot(aes(x = long, y = temp)) +
    geom_line() +
    geom_text(aes(label = temp), vjust = 1.5)

Limpando o layout e Finalizando a parte de baixo!

Incluindo dados geográficos

Uma das qualidades do gráfico do Minard é a precisão geográfica. Isso quer dizer que podemos colocar o nosso código em um mapa da Europa, e saber exatamente o caminho das tropas. Essa é uma boa oportunidade de apresentar a vocês o pacote ggmap

library(ggmap)

recorte_europa <- c(left = -13.10, bottom = 35.75, right = 41.04, top = 61.86) 
europa <- get_stamenmap(bbox = recorte_europa, zoom = 5, maptype = "toner-lite", where = "cache")

europa %>% ggmap() +
  geom_path(data = troops, aes(x = long, y = lat, group = group, color = direction, size = survivors),
            lineend = "round") +
  scale_size(range = c(0.5, 5)) + 
  scale_colour_manual(values = c("#e6ccac", "#252523")) +
  guides(color = FALSE, size = FALSE) +  theme_nothing()

A invasão no contexto europeu

Zoom: Mapa da campanha russa

Últimos ajustes

# Juntar dados de ambos os gráficos
ambos <- gtable_rbind(ggplotGrob(mapa), ggplotGrob(grafico_temperaturas))

# Ajustando paineis
paineis <- ambos$layout$t[grep("panel", ambos$layout$name)]
map.panel.height <- ambos$heights[paineis][1]
# ambos$heights[paineis] <- unit(c(map.panel.height, 0.1), "null")
ambos$heights[paineis] <- unit(c(unlist(map.panel.height)[1], 0.1), "null")

# Exibindo ambos os gráficos juntos
grid::grid.newpage()
grid::grid.draw(ambos)

Combinando as duas partes!

Material adicional

• Git IPEA

Tarefa da aula

As instruções da tarefa estão no arquivo NN-class-ds4ir-assignment.rmd da pasta assignment que se encontra na raiz desse projeto.